以下对我来说很简单:

model.layers[idx].output

上面是一个张量对象，所以你可以使用应用于张量对象的操作来修改它。

例如，要获取形状model.layers[idx].output.get_shape()

Idx是该层的索引，你可以从model.summary()中找到它

以下对我来说很简单:

model.layers[idx].output

上面是一个张量对象，所以你可以使用应用于张量对象的操作来修改它。

例如，要获取形状model.layers[idx].output.get_shape()

Idx是该层的索引，你可以从model.summary()中找到它

好吧，其他答案都很完整，但有一个非常基本的方法来“看到”，而不是“得到”形状。

只需执行一个model.summary()。它将打印所有图层及其输出形状。“None”值将指示可变维度，第一个维度将是批处理大小。

从https://keras.io/getting-started/faq/ how-can-i-obtain-the-output-of-an-intermediate-layer

一个简单的方法是创建一个新的模型，输出你感兴趣的图层:

from keras.models import Model

model = ...  # include here your original model

layer_name = 'my_layer'
intermediate_layer_model = Model(inputs=model.input,
                                 outputs=model.get_layer(layer_name).output)
intermediate_output = intermediate_layer_model.predict(data)

或者，你可以构建一个Keras函数，它将返回给定特定输入的特定层的输出，例如:

from keras import backend as K

# with a Sequential model
get_3rd_layer_output = K.function([model.layers[0].input],
                                  [model.layers[3].output])
layer_output = get_3rd_layer_output([x])[0]

如果你有以下情况之一:

InvalidArgumentError: input_X:Y既被提供也被获取 多输入情况

您需要做以下更改:

为输出变量中的输入层添加过滤 函子循环的微小变化

最小的例子:

from keras.engine.input_layer import InputLayer
inp = model.input
outputs = [layer.output for layer in model.layers if not isinstance(layer, InputLayer)]
functors = [K.function(inp + [K.learning_phase()], [x]) for x in outputs]
layer_outputs = [fun([x1, x2, xn, 1]) for fun in functors]

我为自己写了这个函数(在Jupyter)，它的灵感来自indraforyou的答案。它会自动绘制所有的层输出。您的图像必须具有(x, y, 1)形状，其中1代表1个通道。您只需调用plot_layer_outputs(…)来绘图。

%matplotlib inline
import matplotlib.pyplot as plt
from keras import backend as K

def get_layer_outputs():
    test_image = YOUR IMAGE GOES HERE!!!
    outputs    = [layer.output for layer in model.layers]          # all layer outputs
    comp_graph = [K.function([model.input]+ [K.learning_phase()], [output]) for output in outputs]  # evaluation functions

    # Testing
    layer_outputs_list = [op([test_image, 1.]) for op in comp_graph]
    layer_outputs = []

    for layer_output in layer_outputs_list:
        print(layer_output[0][0].shape, end='\n-------------------\n')
        layer_outputs.append(layer_output[0][0])

    return layer_outputs

def plot_layer_outputs(layer_number):    
    layer_outputs = get_layer_outputs()

    x_max = layer_outputs[layer_number].shape[0]
    y_max = layer_outputs[layer_number].shape[1]
    n     = layer_outputs[layer_number].shape[2]

    L = []
    for i in range(n):
        L.append(np.zeros((x_max, y_max)))

    for i in range(n):
        for x in range(x_max):
            for y in range(y_max):
                L[i][x][y] = layer_outputs[layer_number][x][y][i]


    for img in L:
        plt.figure()
        plt.imshow(img, interpolation='nearest')